基于模糊神经网络的刮板输送机故障诊断

作者:于国英;张小丽;张涛 刊名:煤矿机械 上传者:何剑锋

【摘要】对刮板输送机常见故障类型进行总结与分类;介绍基于模糊神经网络的故障诊断流程;分析刮板输送机故障的影响因素;建立基于模糊神经网络的刮板输送机故障诊断模型;研究模糊聚类的依据以及RBF神经网络的学习流程;为了验证基于模糊神经网络故障模型的有效性;以刮板输送机减速器的诊断过程为例;采用MATLAB进行仿真;仿真结果表明;基于模糊神经网络的故障诊断结果与实际情况一致;相比传统RBF神经网络;迭代次数更少;性能更优;

全文阅读

0引言刮板输送机是煤矿开采过程中重要的运输设备,若刮板输送机发生故障,会导致煤矿的开采效率无法保证,因此采取合理的手段对刮板输送机进行故障诊断并及时采取相应措施尤为重要。在刮板输送机的工作过程中,据大量的数据统计可知,传动链、电动机等都是容易发生损坏的部件,这些易发生故障的部件都需要对其运转状态数据进行监测,其中涉及到的数据种类很多,需要花费大量的时间完成故障诊断,而采用越来越成熟的故障诊断技术可以实现更高效的故障诊断。故障诊断技术越来越走向智能化,人工神经网络作为一种具有高度适应性的算法,在故障诊断方面具有较高的准确率,被广泛地应用于现代工业。对刮板输送机的故障诊断数据种类较多,当数据量大的情况下学习速度较低。模糊聚类算法具有可快速处理抽象问题的能力,能快速地实现数据分类。为了提高神经网络的学习速度,本文将模糊聚类算法与神经网络相结合,将获取到的数据首先进行模糊聚类处理后,再采用神经网络进行故障诊断,即基于模糊神经网络对刮板输送机进行故障诊断。1基于模糊神经的刮板输送机故障诊断流程对刮板输送机进行故障诊断的第1步是采集数据信息,一般获取信息的途径是通过传感器监测刮板输送机的各类数据,例如轴承温度、电动机的电压等,获得有效的数据信息后对数据进行处理,提取特征参数。刮板输送机各个部件之间的关联性无法用准确的模型表达,存在极大的不确定性,模糊聚类很适合处理此类问题,而神经网络具有很强的学习能力,被广泛应用于设备的故障诊断,因此本文采用模糊神经网络对刮板输送机进行故障诊断。故障库的构建有助于提高故障诊断的效率,因此在刮板输送机的故障诊断过程中故障库的构建也是十分有必要的。采用模糊神经网络对刮板输送机进行故障诊断时,采用模糊聚类的方法对数据进行分类,各个模块之间独立工作,互不影响,故障诊断效率更高。基于模糊神经网络的刮板输送机故障诊断流程如图1所示。图1故障诊断流程刮板输送机故障诊断不仅需要算法的支持,硬件系统的设计同样重要,刮板输送机故障诊断系统集测试技术、数据采集技术和通信技术于一体。通过安装在刮板输送机上的传感器采集数据,由无线网络传输数据,上位机对故障诊断的算法进行实现。刮板输送机故障诊断系统如图2所示。图2刮板输送机故障诊断系统2刮板输送机故障类型刮板输送机由机头、机尾、机头和机尾联接槽、中部槽、刮板链、挡煤板、铲煤板等主要部件组成,机头和机尾主要由机头(尾)架、电动机、液力耦合器、减速器及链轮等部件组成。机头到机尾通过传动部件联接,如减速器、链轮组等。刮板输送机中容易发生故障的部件主要有减速器、电动机、刮板链、链轮组和液力耦合器。经总结,刮板输送机的故障类型如图3所示。图3刮板输送机故障类型减速器内的轴承磨损时,容易出现减速器油温过高的现象;当供电电压不在正常范围内时,减速器处于超负荷状态,也容易产生油温过高的现象。导致减速器声音不正常的原因可能是减速器轴承损坏。一般漏油可能是密封装置出现问题。当电动机的供电系统发生故障或者安装有问题时,就会导致电动机无法起动;电动机的定子或者转子工作状态异常时,则会导致电动机的声音不正常。当电动机的电压或电流比设定值高很多时,会导致电动机过热;而风扇出现故障也会导致电动机过热。刮板输送机受到的载荷过大会导致刮板链产生弯曲等现象,常见的故障类型有跳链、飘链、断链、机头保险销折断等。链轮组故障一般体现为轴承温度过高或者漏油,一般都是运输载荷过大或密封件损坏导致的。液力耦合器内封口的塞子性能不好或者有损伤时,都会有杂质进入其中,会导致液力耦合器的温度过高或者漏油。3刮板输送机故障诊断模型的建立对刮板输送机故障类型

参考文献

引证文献

问答

我要提问